将tensorDataset或Dataloader传递给skorch

Question

我想使用skorch在Pytorch中应用交叉验证，所以我准备了我的模型和我的tensorDataset，它返回了（image，caption和captions_length），所以它有X和Y，所以我不能在其中设置Y方法

net.fit(dataset)

但是当我尝试出现错误时：

  

ValueError：分层简历需要显式传递适当的y

这是我的代码的一部分：

start = time.time()
net = NeuralNetClassifier(
        decoder, criterion= nn.CrossEntropyLoss,
        max_epochs=args.epochs,
        lr=args.lr,
        optimizer=optim.SGD,
        device='cuda',  # uncomment this to train with CUDA
       )
net.fit(dataset, y=None)
end = time.time()

Answer 1

您（隐式）使用的是skorch的内部CV分割，在NeuralNetClassifier情况下，该分割使用分层分割，而该分割反过来需要事先获得有关标签的信息。

当将X和y分别传递到fit时，这很好用，因为始终可以访问y。问题是您正在使用torch.dataset.Dataset，它很懒，不能直接访问y，因此会出错。

您的选择如下。

设置train_split=None以禁用内部CV拆分

net = NeuralNetClassifier(
    train_split=None,
)

您将失去内部验证，并因此失去早期停止等功能。

事先分割数据

将数据集分为两个数据集dataset_train和dataset_valid， 然后使用skorch.helper.predefined_split：

net = NeuralNetClassifier(
    train_split=predefined_split(dataset_valid),
)

您什么也不会丢失，但是根据您的数据，这可能很复杂。

提取您的y并将其传递给适合对象

y_train = np.array([y for X, y in iter(my_dataset)])
net.fit(my_dataset, y=y_train)

这仅在您的y适合内存时才有效。由于您使用的是TensorDataset，因此您还可以执行以下操作来提取y：

y_train = my_dataset.y